尹智老師 人工智能和數智化咨詢專家
“企業在人工智能大模型時代的核心競爭力，是把自己行業/領域的專有知識經驗和數據轉化封裝成AI模型，并將之有機聯接到自身數字化體系的能力。”
-- 尹智
課程綱要：
模塊一：通用人工智能的曙光：以ChatGPT為代表的AIGC大模型
1、 人類歷史是一部生產力和科技發展史——從效率的角度看數字化和人工智能的源起
2、 第四次工業革命的特征和要求
3、 從早期人工智能算法到機器學習，到人工神經網絡和深度學習：對“智能”的“壓縮”的進化
4、 從“偏科專才”到“通才”，通用人工智能的曙光：GPT為何如此令人興奮？
5、 AIGC興起 - 從分析式AI到生成式AI，AI從做判斷題/選擇題，到做填空/問答題
6、 以ChatGPT為代表的等大語言模型基本核心原理
a) 如何看ChatGPT?如何看到ChatGPT的核心架構：Transformer?
b) 為什么通用人工智能的曙光出現在“大”“語言”領域？
c) 詞的“內嵌”：GPT如何理解文字？
d) 簡述注意力機制 – GPT如何理解句子和邏輯？
e) 如何打造高科技行業專家？—— 為什么深度人工神經網絡可以學習到幾乎一切模式和規律？
7、 ChatGPT的獨到之處
8、 其他大模型主要類別和基本原理
a) 文生圖模型：訓練機器對像素的“組裝”
b) 圖生3D 模型：算法對世界的“腦補”
9、 如何利用大模型？基本模式
a) 提示詞工程 – 為大模型描述上下文環境和方法論
b) 插件 -為大模型加上“視覺中樞”“聽覺中樞”“行動中樞”
c) 外接“云盤” - 為大模型加上“海馬體”（大模型的長期記憶機制）
d) 精調 — 通過調參真正提升大模型“智商”
10、 大模型的部署/訓練方式
a) 公有云模式
i. AISaas
ii. AIPaas
iii. Model as a service
iv. AIIaas
b) 公有私有云/管理云模式
c) 私有云模式
模塊二：大模型體系在汽車行業數字化轉型中的潛力范式，機遇和挑戰
11、 AI大模型的幾大能力：檢索、創造和邏輯推理 — 邏輯能力的可解釋性挑戰
12、 AI大模型具有成為“人”“機”翻譯和系統“總調度”的巨大潛力
13、 生成式AI2.0：AI Agent — GPT如何從一個“語言中樞”，演化為“具身智能”？
14、 下一代AI:多模態大模型和機器人系統會有何化學反應？
15、 汽車行業大模型落地路徑：預訓練模型 + 專業訓練精調 + 行業知識庫 + 插件
模塊三：人工智能和元宇宙技術在汽車行業的落地應用和案例
16、 新一代移動智能助手：智能車艙應用
a) 空間環境理解及用戶狀態感知
b) 多模態指令解析
c) AI大模型賦能車載虛擬助手：
i. 個性化數字形象生成
ii. 語音語義理解
iii. 多輪邏輯對話和內容生成
iv. 基于大模型推理的規劃和LBS等第三方服務集成
17、 視覺智能賦能的汽車零部件工業質檢
18、 汽車行業生產數字孿生：針對能耗、設備設施運行、雙碳、安全等運營的從事后分析，事中監控，到事前模擬優化的全周期管理
19、 AR/AI賦能的汽車行業設備設施巡檢
20、 基于機器學習的汽車零部件生產過程的模型化優化
21、 車企倉儲物流的AI& AR應用
22、 生成式AI賦能的汽車業數字人客服和咨詢
23、 汽車行業文檔和數據分析：GPT Code Interpreter
24、 AIGC賦能的汽車數字營銷：千人千面的個性化定制內容營銷
25、 大模型賦能的針對性個性化技能培訓
26、 基于AI大模型的汽車企業（數據查詢/分析/業務邏輯）代碼生成和系統集成
27、 生成式AI賦能的工業設計：基于“進化”機制的AI賦能產品設計
28、 基于多模態大模型對原生數據解析的客戶和市場“大”數據整合和分析
29、 自動駕駛車、自動設備和機器人訓練中的AI: 訓練數據和環境的AI生成；大行為模型LBM的應用
30、 汽車元宇宙應用模式及案例：
a) 產品設計和研發:
i. Nvidia Omniverse汽車設計和仿真
ii. Microsoft HoloLens 設計工具
b) 品牌認知和產品展示：
i. BMW iXFLOW變色車身
ii. BMW X VR
iii. Unity 選配車體驗
c) 購買交易和增值服務
i. Porsche NFT收藏品平臺‘Fanzone’
ii. Mercedes-Benz “Maschine”NFT
iii. 汽車區塊鏈游戲平臺Chase 2 earn
d) 客戶體驗和互動：
i. 商湯科技AR小巴
ii. BMW JOYTOPIA體驗平臺
iii. Audi X VR體驗
